谷歌 DeepMind 依靠 AlphaProof Code 多智能体 AI 框架，用 Gemini Carbon 驱动的 AI Agent，对 Signal 加密协议的底层 libsignal 参考实现做了机器码层面的形式化验证，只用 4 周生成 650 万行 Lean 证明代码，从数学层面证明了 PQXDH 后量子握手、Triple Ratchet 棘轮机制的核心安全属性；传统形式化验证门槛极高，顶尖专家团队往往要耗费数年时间，而这次验证不是只看协议文档或者源代码，直接覆盖 AArch64 编译后的机器指令，打通了协议设计安全承诺和实际运行代码之间的证明链路，Signal 协议被数十亿用户使用，广泛用于 Signal App、谷歌消息的端到端加密，这次验证也是首个面向大规模商用加密协议、由 AI 辅助完成的全链路机器码级形式化验证，不过它也有边界，只验证指定模块，不代表整个 Signal 应用全无安全风险。
一、本次验证覆盖的核心模块与安全属性
| 验证模块 | 验证的安全能力 | 简单说明 |
|---|---|---|
| PQXDH 后量子握手 | 握手保密性、身份认证 | 通信双方协商密钥，防止中间人窃听，具备抗量子基础能力 |
| Triple Ratchet 三重棘轮 | 前向保密、入侵后恢复安全 | 密钥持续滚动，密钥泄露不会影响历史消息；短暂被攻破后后续通信可恢复安全 |
二、AlphaProof Code 整套验证流程
- 转化安全规约：研究人员和 AI 协作，把 Signal 的安全目标翻译成 Lean 语言的数学规范，所有规约内容由安全专家人工审核。
- 建立机器码语义：搭建 AArch64 指令集的形式化语义模型，让验证系统看懂编译后的机器指令，不依赖编译器可信假设。
- AI 自动生成证明：多个 Gemini Carbon 智能体自主构造逻辑证明，产出大量 Lean 证明代码，AI 自动标记大约 1% 高风险片段交给人工复核。
- 内核校验证明：所有证明交给 Lean 内核做严格逻辑检查，只有通过内核校验的结论才被采信，避免 AI “编造证明”。
- 回测验证有效性：团队把两个历史上已经修复的 libsignal 漏洞重新注入代码，系统可以成功证明带漏洞版本不满足安全条件，验证工具本身有效。
三、和传统安全审计、漏洞扫描的区别
- 漏洞扫描、模糊测试：靠大量输入去碰 bug，只能证明 “暂时没找到漏洞”，没法证明不存在漏洞。
- 协议层面形式化验证：只分析纸上协议设计，不考虑代码写错、编译带来的偏差。
- 本次 DeepMind 的 AI 形式化验证：直接验证编译后的机器码，用数学证明，在覆盖范围内证明安全属性一定成立，属于安全验证的最高标准。
四、这项成果的价值
- 密码学行业：大幅压低形式化验证成本，以前只有少数高安全项目负担得起，现在 AI 可以把周期压缩到周级别，给更多加密组件做数学证明。
- Signal 生态：给端到端加密的底层实现增加强安全背书，提升用户和企业对这套加密体系的信任。
- AI 安全方向：证明 AI Agent 可以参与严谨数学证明，在高可信软件、密码代码领域落地，不只是写代码、找漏洞。
- 开源透明：整套 Lean 证明文件开源，学术界、安全社区都可以复现、审查这套证明逻辑。
五、明确的局限边界（重点）
- 验证范围有限：只覆盖 PQXDH 握手、Triple Ratchet 模块，没有验证多设备同步、UI、网络层、存储层等其他代码。
- 底层密码原语假设：证明建立在底层加密算法本身安全的前提之上，不破解 AES、后量子算法本身。
- 不覆盖所有攻击场景：不针对长期会话、设备底层固件、操作系统漏洞、社会工程学攻击。
- 版本绑定：验证针对特定版本 libsignal，后续代码改动后，证明结论自动失效，需要重新验证。
【相关 FAQ】
问题 1：谷歌 DeepMind 用 AI 形式化验证 Signal 加密，是不是代表 Signal 现在完全没有漏洞？
回答 1：不是，谷歌 DeepMind 用 AI 形式化验证 Signal 加密，只证明 PQXDH 和 Triple Ratchet 这两个核心模块在指定条件下满足安全属性，没有覆盖整个 App 全部代码，其他模块依然存在出现漏洞的可能性。
问题 2：谷歌 DeepMind 用来做 Signal 加密形式化验证的 AlphaProof Code 是什么？
回答 2：AlphaProof Code 是谷歌 DeepMind 推出的多智能体 AI 框架，依托 Gemini Carbon 智能体，专门用于软件形式规约与证明，本次就是靠它完成 Signal 加密机器码层面的形式化验证。
问题 3：谷歌 DeepMind AI 形式化验证 Signal 加密，为什么直接验证机器码而不是源代码？
回答 3：源代码到机器码会经过编译器，只验证源码无法排除编译环节引入的偏差，谷歌 DeepMind AI 形式化验证 Signal 加密直接验证 AArch64 机器码，结论更贴近设备上真实运行的程序。
问题 4：谷歌 DeepMind 这次 AI 形式化验证 Signal 加密，工作量和耗时对比传统方式差距有多大？
回答 4：传统人工形式化验证同类商用加密协议往往需要数年，谷歌 DeepMind AI 形式化验证 Signal 加密在 4 周内完成 650 万行 Lean 证明的生成与校验，大幅缩短验证周期。
【参考资料】
[2026-11-10]（Formal Verification of Signal’s Protocol with Gemini）Google DeepMind 官网
[2026-11-10]（AlphaProof Code: Verifying Signal’s Security at the Machine-Code Level）Google DeepMind 开源页面
[2026-11-11]（650 万行数学证明，4 周交卷，Gemini 4 Carbon 啃下加密协议验证硬骨头）36 氪
[2026-11-11]（AI 参与写证明 谷歌 DeepMind 完成 Signal 协议形式化验证）ZAKER
[2026-11-10]（DeepMind’s AlphaProof Code proves key Signal protocol guarantees）MadRobot 安全博客
【免责声明】
本文仅为谷歌 DeepMind AI 形式化验证 Signal 加密成果的技术科普，该验证结论仅适用于指定版本 libsignal 的 PQXDH、Triple Ratchet 模块，不构成通信安全、隐私方案选型的担保；形式化验证有预设前提与适用边界，端到端加密的整体安全还受系统、固件、密钥管理等因素影响，本文不构成任何安全产品采购建议。
本文来自作者[尘构时序]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/1759.html
评论列表（4条）
我是乌兰科技网的签约作者“尘构时序”！
希望本篇文章《谷歌 DeepMind AI 完成 Signal 加密形式化验证，AlphaProof Code 技术解析》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：谷歌 DeepMind 依靠 AlphaProof Code 多智能体 AI 框架，用 Gemini Carbon 驱动的 AI Agent，对 Signal 加密协议的底层 libsignal 参考实现做了机器码层面的形式化验证，只用 4 周生成 650 万行 Lean 证明代码，从数学层面证明了 PQXDH 后量子握手、Triple Ratchet 棘轮机制的核心安全属性；传统形式化验证门槛极高，顶尖专家团队往往要耗费数年时间，而这次验证不是只看协议文档或者源代码，直接覆盖 AArch64 编译后的机器指令，打通了协议设计安全承诺和实际运行代码之间的证明链路，Signal 协议被数十亿用户使用，广泛用于 Signal App、谷歌消息的端到端加密，这次验证也是首个面向大规模商用加密协议、由 AI 辅助完成的全链路机器码级形式化验证，不过它也有边界，只验证指定模块，不代表整个 Signal 应用全无安全风险。